融合OCR、AI与RPA，释放高级数据洞察

本文合著者：Cosmin Nicolae，UiPath产品经理。

非结构化数据无处不在，潜伏于文档、音频、视频、邮件、图像、日志文件等——不胜枚举。事实上，非结构化数据现占全部数据约80%-90%。尽管丰富且高价值，因企业缺乏提取分析工具，非结构化数据仍是最被浪费的企业资源之一。

此现状正在改变，因大数据分析与工作流自动化需求增长——两者均需结构化数据。越来越多企业利用光学字符识别（OCR），将印刷或手写文本转为机器编码文本。OCR作为独立技术有局限（下文详述）。然而，通过OCR、机器人流程自动化（RPA）与人工智能（AI）三位一体，企业可实现高度先进的数据处理与自动化。

OCR是两大UiPath解决方案的关键组件：

1. UiPath Document Understanding：实现多种文档的自动化处理

2. UiPath AI Computer Vision：让开发者在虚拟桌面与动态界面中自动化

本文概述OCR，探讨UiPath如何用其赋能新一代数据处理与分析。

先来个OCR快速入门。

OCR概览

通俗说，OCR是将图像中文本转为可编辑文档的过程。

OCR可减少甚至消除特定任务的人工劳动，从而加速后台工作流，释放员工专注更重要职责。

企业常见OCR用法：

1. 自动化数据录入

手工录入耗时且易错。OCR可数字化文书，最小化人工干预，提升数据完整性。

2. 编辑文档（扫描件或PDF）

员工常收到不可编辑格式的扫描文档、传真通知。财务、供应链、人力、法务、合规部门尤甚。传统扫描仪仅导出图像或PDF。如扫描合同或采购单，无法在Word或Google Docs中编辑。但利用OCR引擎，可识别文本并导出机器可读格式，供进一步编辑处理。

3. 助力视障员工

视障员工常需将纸质文档转为数字格式。OCR将文字转为语音，简化流程。

4. 文档整理

OCR可按特定规则自动分类堆积文档。经典案例：按类型或供应商整理发票。或关键流程如邮政分拣机用多行OCR（MLOCR）扫描地址确定邮件路由。

5. 界面文本理解

OCR使远程界面数据处理成为可能，让远程团队协作更快捷轻松。

OCR的局限

OCR虽强，作为独立技术有诸多局限。

主要局限：

1. OCR无法自主理解数据

首要局限：OCR仅能从文档数字化文本使其机器可读。无配套机制，OCR无法理解或解读数据。故OCR常作为大型智能方案的组件。为实现规模化真正流程自动化，需将OCR与RPA、AI结合。

2. OCR缺乏上下文

OCR系统也缺乏上下文。例：OCR可能将单词识别为bail而实际为ball。OCR引擎本身无认知能力扫描句子其余部分判断用词。故独立OCR极易出错，需人工回环核验准确性。结果，OCR单独使用作为自动化工具价值次优。

3. OCR无法处理变异

此外，OCR无法处理文档文本或布局的变异，这在处理结构多变文档时是大问题。

4. OCR无法分离文档

若文件需在自动化流程前分离为文档，或工作流索引字段/键值重复，将出现更多问题。

5. OCR不够准确或可扩展

归根结底，纯OCR对复杂认知流程不够准确、不够可扩展。企业需要成熟灵活的方案，而非受限易错的组件。

可见，OCR作为独立技术不足以支撑当今高级企业工作流。但结合RPA软件与AI，OCR可成为极其有用的工具。下节探讨UiPath如何用OCR实现高准确度自动化。

用例：OCR在UiPath Document Understanding中的应用

UiPath Document Understanding用RPA与AI从文档数字化数据以便处理分析。可处理结构化与非结构化数据，适配手写、表格、复选框、签名等多种对象。

Document Understanding带来诸多益处：准确灵活的文档处理、提升运营效能、降低人为错误风险、复杂流程端到端自动化。

须注意：文档理解技术非OCR。两者等同是常见误解。实则，文档理解是利用OCR数字化非数字文档文本的高级技术。

显著区别：UiPath将OCR与数据提取解耦。同领域许多公司将OCR与提取绑定。解耦后，UiPath提供更大选择权、灵活性与准确性——可在不干扰提取端的前提下切换OCR引擎。也可用UiPath OCR公开契约部署自有OCR引擎。

Document Understanding如何使用OCR

OCR在Document Understanding流程早期介入——分类体系载入工作流、所有文件与数据定义完提取后即刻。

Document Understanding用OCR引擎检测数字化文本，使其机器人可读。随后按指定列表分类文档、提取数据、如需人工确认提取数据后导出至相关存储库。

UiPath Document Understanding可用专有UiPath Document OCR，也可用第三方OCR引擎数字化文本。客户可选最适合用例的最准引擎。

如图所示，OCR是UiPath Document Understanding框架一部分，唯一目的：使文本机器可读。

用例：OCR在UiPath AI Computer Vision中的应用

UiPath AI Computer Vision解决RPA头号挑战：自动化虚拟桌面基础设施（VDI），如Citrix、VMware、Microsoft Windows远程桌面。

AI Computer Vision让软件机器人"看见"并理解屏幕上所有元素，而非依赖隐藏属性决策。用AI Computer Vision，企业与RPA开发者可实现VDI自动化——无论框架或操作系统。

AI Computer Vision支持动态UI元素（下拉菜单、复选框等），适配广泛界面类型。该方案缩短虚拟机自动化实施时间，提升自动化韧性与可靠性。

AI Computer Vision虽用OCR，但非用于数字化文档。这是微妙但常见的误解。

UiPath AI Computer Vision如何使用OCR

标准OCR与RPA无法在虚拟环境自动化，因远程桌面本质是视频流。需高级方案解读文本，更关键的是理解其在界面中的类型与用途。

AI Computer Vision利用UiPath过去数年开发的先进神经网络与定制屏幕OCR，分析虚拟桌面流上的UI并像人类一样理解。该方案轻松导航任意界面：点击按钮、提取整表、交互下拉菜单等复杂操作皆可。

元素识别用模糊匹配文本解读技术。该技术允许UiPath机器人在OCR结果不一致时仍准确识别正确元素，提升自动化可靠性、缩短开发时间。

与UiPath共进：将OCR推向新高度

可见，结合OCR的AI方案价值巨大。UiPath Document Understanding与Computer Vision工具远超基础OCR，实现企业级快速可靠自动化——释放数据全部价值，包括非结构化数据与VDI锁定数据。

下表助您判断Document Understanding或Computer Vision哪个更适合需求：

准备好让文档数据与VDI系统发挥作用？

立即注册UiPath Automation Cloud，即刻开始使用UiPath Document Understanding与UiPath AI Computer Vision。

开启免费UiPath Automation Cloud企业试用，体验利用非结构化数据为业务流程带来更多结构与效能的简捷之道。